UNIVERSIDAD NACIONAL DEL

1 ALTIPLANO

TELEDETECCION II
 Análisis de componentes principales
 transformación de tasseled cap
 la transformación de hue saturation value
PRESENTADO POR:
 CISNEROS CHECALLA EDISON HERNAN
 PILCO QUISPE OBED WUNDER
 QUISPE YUCRA JOZET FAVIO
 YANARICO MAMANI ANGEL JOE
DOCENTE:
ING. CHOQUE HUAYHUA JIMMY AUGUSTO

2023
 ANALISIS DE
COMPONENTES
PRINCIPALES
Es uno de los métodos de análisis de datos
multivariantes más utilizados que permite
investigar conjuntos de datos
multidimensionales con variables cuantitativas

Se utiliza ampliamente en bioestadística,

marketing, sociología y muchos otros campos.
Aplicar el análisis de Componentes Principales, para la transformación de un
conjunto de variables originales en un nuevo grupo de variables( componentes
principales), correlacionadas entre si
El ACP construye una transformación lineal que escoge un nuevo sistema de coordenadas para el
conjunto original de datos en el cual la varianza de mayor tamaño del conjunto de datos es
capturada en el primer eje (llamado el Primer Componente Principal), la segunda varianza más
grande es el segundo eje, y así sucesivamente. Para construir esta transformación lineal debe
construirse primero la matriz de covarianza o matriz de coeficientes de correlación. Debido a la
simetría de esta matriz existe una base completa de vectores propios de la misma

Existen dos formas básicas de aplicar el ACP:

• Método basado en la matriz de correlación, cuando los datos no son

dimensionalmente homogéneos o el orden de magnitud de las variables
aleatorias medidas no es el mismo.

• Método basado en la matriz de covarianzas, que se usa cuando los datos son
dimensionalmente homogéneos y presentan valores medios similares.
 REDUCCION DE
DIMENSIONALIDAD
 TRANSFORMACION TASSELED CAP (TC)
La transformación Tasseled Cap fue desarrollada en 1976
por R. J. Kauth y G. S. Thomas

es una transformación diseñada para analizar y

representar cambios de vegetación y de
desarrollo urbano, detectados por diversos
sistemas de sensor de satélite. Se conoce como
la transformación Tasseled Cap. debido a la
la utilidad de esta transformación se ha ampliado de los
forma de la distribución gráfica de los datos
cultivos de seguimiento para al análisis y la
representación cartográfica de la vegetación,
permitiendo detectar de forma analítica cambios en la
vegetación, el suelo y las transformaciones producidas
por el hombre en períodos de corto y largo plazo.
La transformación Tasseled Cap es un caso especial de análisis de componentes principales que transforma los datos de
imagen a un nuevo sistema de coordenadas con un nuevo conjunto de ejes ortogonales con un significado físico-
biológico, de modo que se reduce la información espectral de bandas multiespectrales a tres componentes principales

BRILLO VERDOR HUMEDAD

Este método se inspiró en el análisis visual del comportamiento de los cultivos durante el período vegetativo en
el espacio espectral definido principalmente por las bandas del infrarrojo cercano (IRc) y del rojo visible (R).
 VENTAJAS

Proporciona una manera analítica para detectar y comparar los cambios en la vegetación, el suelo y en las
características producidas por el hombre en períodos de corto y largo plazo.

Proporciona una manera analítica para comparar directamente entidades de cobertura de suelo, mediante imágenes
de satélite de diferentes sensores, incluidos Landsat, IKONOS y QuickBird

Reduce la cantidad de datos de varias bandas multiespectrales a tres componentes principales: brillo, verdor y
humedad (o material amarillo para Landsat MSS)

Reduce las influencias atmosféricas y los componentes de ruido en las imágenes, permitiendo un análisis más
preciso.
 DESVENTAJAS

Los ejes de la transformación Tasseled Cap pueden no estar bien definido para un problema particular si los
coeficientes no son calculados adecuadamente

No existe la garantía de que información importante no se ha omitido por la transformación de las seis
bandas de datos Landsat TM hacia tres bandas

El método ha sido ampliamente utilizado sólo para los datos de Landsat TM y MSS.
• Las ecuaciones mediante las cuales se obtienen los valores de Tasseled Cap para las bandas son:

Los coeficientes Ckb, Ckv y Ckh indican la banda (k) y el

significado físico de la banda que se calcula (b,v,h)

Fuente: Pesos para la transformación Tasseled Cap datos Landsat 5TM acorde a Crist y Cicone, 1984
Los tres ejes transformados engendran un espacio vectorial en el que pueden distinguirse tres planos
característicos (figura 3):
A. plano de la vegetación formado por los ejes brillo y verdor;
B. plano de los suelos formado por los ejes brillo y humedad;
C. plano de transición formado por los ejes humedad y verdor;
Transformación Tasseled Cap de Imagen LANDSAT TM5 del
valle de Cañete, Perú
TRANSFORMACIÓN
HSV
(HUE, SATURATION,VALUE)
(MATIZ, SATURACIÓN,
VALOR)
LA TRANSFORMACIÓN HSV
• Corresponde a una transformación no lineal del RGB.
• Es un modelo de representación de colores que se utiliza
ampliamente en el procesamiento de imágenes y la
edición gráfica. A diferencia de otros modelos de color,
como el RGB (Rojo, Verde, Azul), el modelo HSV separa la
información del color en tres componentes principales:
matiz (hue), saturación (saturation) y valor (value).
EL MATIZ (H)

• Representa el tono o color básico de un píxel.

Puede tomar valores en un rango de 0 a 360
grados, donde 0 representa el rojo, 120
representa el verde y 240 representa el azul.
Los valores intermedios representan una
mezcla de colores.
SATURACIÓN (S)

• Representa la intensidad o pureza del color.

Puede variar de 0 a 1 o 0 al 100%, donde 0
indica un tono de gris sin saturación y 1
indica la máxima saturación de color.
• Cuanto menor sea la saturación de un color,
mayor tonalidad grisácea habrá y más
decolorado estará.

Graduaciones de saturación en el
modelo HSV
EL VALOR (V)

• Representa el brillo o la cantidad de luz

presente en el color. También puede variar
de 0 a 1, donde 0 indica la oscuridad total
(negro) y 1 indica la máxima luminosidad
(blanco).
ESTUDIO COMPARATIVO DE DESCRIPTORES
VISUALES PARA LA DETECCIÓN DE ESCENAS
EXTRACCIÓN DE OBJETOS GEOGRÁFICOS
MEDIANTE MORFOLOGÍA MATEMÁTICA
• El algoritmo del HSV según (Ortiz , 2002) está definido en la ecuación
EXTRACCIÓN DE OBJETOS GEOGRÁFICOS
MEDIANTE MORFOLOGÍA MATEMÁTICA
WAVELET
CONCLUSIÓN
• La transformación HSV permite manipular individualmente estos componentes para realizar
ajustes de color en una imagen. Por ejemplo, si deseas aumentar la saturación de una
imagen, puedes aumentar el valor de la componente S para todos los píxeles. Del mismo
modo, si deseas oscurecer una imagen, puedes disminuir el valor de la componente V.
• La transformación HSV es especialmente útil en aplicaciones como la corrección de color,
el ajuste de tono y saturación, y la selección de rangos de colores específicos en una
imagen. Al proporcionar una representación más intuitiva del color, facilita la edición y
manipulación de imágenes.
APLICACIÓN

• https://code.earthengine.google.com/08622404d018120e0c8f0746807b01d4
• https://code.earthengine.google.com/77fabd6bc42f5172e92ba1384c1556b0